醫(yī)療機器人及其應用.doc

《醫(yī)療機器人及其應用.doc》由會員分享，可在線閱讀，更多相關《醫(yī)療機器人及其應用.doc（20頁珍藏版）》請在裝配圖網上搜索。

醫(yī)療機器人及其應用 摘要 醫(yī)療機器人主要用于傷病員的救援、轉運、手術和康復，是醫(yī)療衛(wèi)生裝備信息化、智能化的重要發(fā)展方向之一。醫(yī)療機器人技術是集醫(yī)學、生物力學、機械學、機器人等諸多學科為一體的新型交叉研究領域，已經成為國際機器人領域的一個研究熱點。通過對手術機器人和康復機器人等醫(yī)療機器人的研究現(xiàn)狀及進展介紹，表明醫(yī)療機器人在軍用和民用上有著廣泛的應用前景。 關鍵詞：醫(yī)療機器人，傷病員，手術，康復 引言 從20世紀90年代起，國際先進機器人計劃（IARP）已召開過多屆醫(yī)療外科機器人研討會，在發(fā)達國家已經出現(xiàn)醫(yī)療機器人市場化產品。目前，先進機器人技術在醫(yī)療外科手術規(guī)劃模擬、微損傷精確定位操作、無損傷診斷與檢測、病人安全救援、無痛轉運、康復護理、功能輔助及醫(yī)院服務等方面得到了廣泛的應用，這不僅促進了傳統(tǒng)醫(yī)學的革命，也帶動了新技術、新理論的發(fā)展。醫(yī)療機器人在戰(zhàn)創(chuàng)傷救治方面也有著良好的應用前景，受到外軍的廣泛重視。美國國防部高等研究計劃局（DARPA）為美國陸軍未來戰(zhàn)場傷病員救援和醫(yī)療設計了高度集成化、機器人化和智能化的醫(yī)療系統(tǒng)。 1.1研究背景 近年來，西方許多先進國家都進行專門立項投資。 積極開展醫(yī)用機器人方面的研究。如美國國防部開展了Telepresence Surgery (臨場感手術) 技術研究。 用于戰(zhàn)場模擬手術培訓和解剖教學，NASA已經在美國加州與意大利米蘭之間進行了這方面的試驗，歐共體技術專家Maurice在 IEEE SPECTRUM期刊中表示。 歐共體正在制定一項新的計劃，其中將機器人輔助外科手術及虛擬醫(yī)療技術仿真作為重點研究發(fā)展計劃之一。日本也制定國家計劃開展高技術醫(yī)療器械研究發(fā)展。許多著名的國際會議，象IEEE Robotics and Automation，IEEE Eng，In Medicine and biology Society，IEEE System,Man and Cybernetics等都將醫(yī)用機器人與計算機輔助外科單獨列為一個專題，在歐洲、美國、日本等國多次召開國際會議；1996年，機器人工業(yè)協(xié)會將Eagleburger 最高榮譽獎授予了W.Barger和H.Paul博士，表彰他們在醫(yī)用機器人技術臨床研究方面的貢獻 ) 。 目前，醫(yī)療機器人的研制主要集中在外科手術、康復和醫(yī)院服務機器人系統(tǒng)等幾個方面。 1.2外科手術機器人研究現(xiàn)狀 瑞士洛桑大學研制出一種腦外科手術機器人，手術時患者的頭部被固定在一個鋼制框架內，醫(yī)生通過CT觀察病人顱內情況，并將有關的手術數(shù)據(jù)輸入到控制機器人的計算機中。計算機自動識別腦中的病灶，并規(guī)劃出通往病灶的途徑，根據(jù)醫(yī)生的指令，完成病人頭部的皮膚切開、在頭蓋骨上鉆孔、刺穿腦膜等工作， 微型儀器從2毫米粗的導管中伸入到病變部位進行手術。這臺機器人系統(tǒng)能切除腦腫瘤、能用放射性光束殺死腦中的癌細胞，還能用導管破壞帕金森病患者腦中的有病細胞，從而制止病人的顫抖。 1986年，美國IBM的Thomas J.Watson研究中心和加利福尼亞大學的研究人員開始合作開發(fā)一種創(chuàng)新的系統(tǒng)，以便進行髖骨整體置換手術。在此基礎上，1992年成立了Integrated Surgical Systems公司并推出了ROBODOC機器人系統(tǒng)，它是在傳統(tǒng)工業(yè)機器人技術基礎上開發(fā)而成的，可以完成全髖骨替換，髖骨置換及修復和膝關節(jié)置換等手術，相應的，該公司還開發(fā)了ORTHODOC圖像處理系統(tǒng)，根據(jù)CT圖片進行3D建模和手術規(guī)劃，為手術提供所有需要的數(shù)據(jù)，幫助醫(yī)生完成監(jiān)控和虛擬手術。該系統(tǒng)已經通過美國食品與藥品檢驗局（FDA）認證，在美國、歐洲、中東、亞洲等地得到應用。 在國內，由北京航空航天大學機器人研究所、清華大學計算機圖形圖像中心和海軍總醫(yī)院共同開發(fā)的遙操作遠程醫(yī)用機器人系統(tǒng)，該系統(tǒng)主要由影像獲取傳輸、虛擬手術規(guī)劃、智能機械臂，病人頭部（病灶）固定裝置等部分組成，可以完成確定手術靶點，重建三維病灶輪廓、引導定位器械、定向手術系統(tǒng)等多個復雜步驟，治療腦部縱深病變無需開顱，這一手術突破了傳統(tǒng)腦外科手術的定式，病人頭上不必再戴厚重的金屬框架以輔助定位，病人造成的創(chuàng)傷面比傳統(tǒng)手術小得多，定位也較傳統(tǒng)手術精確。 1.3醫(yī)院服務機器人 移動機器人也許是解決目前醫(yī)院服務上一些缺陷的方法，完成一些沉重的和令人厭惡的工作，如抬起病人去廁所或為失禁病人更換床單等，一些醫(yī)院服務機器人近年來得到發(fā)展，一般用來輔助護士完成食物、藥品、醫(yī)療器械、病志等的傳送和投遞工作，如美國運輸研究會（Transition Research Corporation，TRC）(現(xiàn)在叫HelpMate Robotics)研制的“HelpMate”機器人，可以24小時的在醫(yī)院里完成運送食物和藥品的工作，與工廠所使用的自動輸送車不同的是，這種機器人不是沿著固定的軌道網絡行走，而是基于傳感器和運動規(guī)劃算法實現(xiàn)自主行走，適合于部分結構化的環(huán)境（Structured Environment），系統(tǒng)也能處理傳感器噪聲、誤差和定位錯誤，發(fā)現(xiàn)并避開障礙物（如人等）。這種機器人已在數(shù)家醫(yī)院安裝，一些醫(yī)院報告說工作效率大大提高。 1.4應用現(xiàn)狀 目前，醫(yī)療機器人的實際應用主要集中在外科手術領域，機器人做手術十分精確，一個神經外科大夫的誤差精度能達到2毫米，而機器人的精度可以很容易的達到微米級，在追求MIS的今天，其好處是不言而喻的，因此得到了廣泛的研究和應用。目前已經商品化的產品包括前面提到的TOBODOC、AESOP、ZEUS和 Da vinci 等系統(tǒng)，在各種外科手術中得到了廣泛的應用。如TOBODOC輔助外科手術系統(tǒng)在德國、澳大利亞、西班牙、法國、英國、瑞士、中東、日本、韓國、印度等多個國家和地區(qū)都有應用，在日本大學和醫(yī)院里就有7臺， 而在世界范圍內有近500臺AESOP機器人在MIS中得到應用，每年完成數(shù)萬例手術，ZEUS系統(tǒng)在沒股票和歐洲的應用也十分廣泛。 2 手術機器人 2.1肝臟腫瘤的微波消融機器人 用于肝臟腫瘤的微波消融機器人[1]是關節(jié)式醫(yī)療機器人，其具有五個自由度。整個機器人安裝于一個具有輪子和支撐腳的操作臺上(手術時支撐腳著地，手術后輪子著地可推動)，整個機器人的控制系統(tǒng)安裝于操作臺內部。機器人的5個自由度采用伺服電機驅動，支撐腳的運動利用直線步進電機實現(xiàn)。 2.2本身機構 肝臟腫瘤的微波消融機器人由操作盒單片機、PLC、工控機、PMAC運動控制卡組成。各模塊的作用如下：(1)操作盒單片機：人機交互接El；（2)主控計算機：機器人語言編譯，運動規(guī)劃。(3)PMAC卡：實現(xiàn)對5個電機的運動控制；(4)PLC：電源、安全、系統(tǒng)管理，操作臺的升降控制。操作盒單片機和主控計算機通過CAN總線通訊。PMAC運動控制卡和主控計算機之間通過PCI總線通訊，和PLC之間利用I/O通訊。各模塊之間相互監(jiān)控，可以提高系統(tǒng)運行時的安全性。 圖1 PLC原理圖 2.3控制方法和測試方法 控制系統(tǒng)采用了分散控制方式，由操作盒單片機、PLC、工控機、PMAC運動控制卡組成。 2.3.1系統(tǒng)狀態(tài)模塊 包括P LC[2]準備好、控制系統(tǒng)準備好、控制系統(tǒng)故障、急停按鈕、限位復位按鈕等部分組成，梯形圖見圖2。+24 V電源加到PLC上，PLC初始化自檢正常后，則輸出到PMAC的1106和1107置ON。若控制系統(tǒng)未準備好，則2705置OFF，則控制系統(tǒng)故障指示燈H 2亮。若PMAC輸入的109和110均置ON，且111 (PMAC看門狗信號) 置ON，則H2熄滅。急停按鈕有一個按下則2706置ON。當關節(jié)限位時，SB6按鈕按下，則2703置ON且自鎖。 圖2 系統(tǒng)狀態(tài)模塊梯形圖 2.3.2關節(jié)限位模塊 圖3所示為關節(jié)限位模塊梯形圖。正常狀態(tài)時，3012置OFF。若機器人關節(jié)運動到限位處，則對應的限位開關狀態(tài)改變，3012置ON。該中間繼電器狀態(tài)在系統(tǒng)狀態(tài)模塊和驅動器電源控制模塊均有使用。 圖3 關節(jié)限位模塊梯形圖 2.3.3驅動器 電源控制模塊 驅動器電源控制模塊程序見圖4所示。驅動系統(tǒng)按鈕為一鍵雙用，PLC通電后，按第一次為驅動器上電，第二次為驅動器斷電，以下類推。采用移位寄存器實現(xiàn)該功能。當系統(tǒng)均正常時，第一次按下驅動系統(tǒng)按鈕SB3，K1置ON并自鎖，驅動器通電。再次按下SB3，則K1斷電。若K1置ON時，關節(jié)限位標志3012、急停標志2706、控制系統(tǒng)狀態(tài)2704置OFF，則Kl置OFF。而對關節(jié)限位引起的f3012置ON) K1置OFF，可以按下限位復位按鈕(2703置ON)，再按下SB3兩次，則K1可置ON，這時可在PMAC的控制下，機器人從限位狀態(tài)退出。退出限位狀態(tài)后，2703自動置OFF。 圖4 驅動器電源控制模塊梯形圖 2.3.4步進電機控制模塊 步進電機有兩種控制方式：長動控制(升降的速度和位移固定)、點動控制(升降速度固定，位移由操作者決定)。下面介紹長動控制中上升控制和點動控制程序。 長動控制方式中的上升控制梯形圖見圖5中(a)，SB1為雙用按鈕(帶指示燈H3)，PLC每次上電后第一次按下為操作臺上升，再次按下為操作臺下降，以下交替變化。上升操作時，按下操作臺升降控制按鈕SB1，PLC發(fā)出頻率固定的固定脈沖數(shù)，直線步進電機按要求啟動，操作臺支撐腳下降，操作臺上升。操作臺車輪抬起到固定位置后，步進電機停止運動，操作臺轉為支撐腳固定支撐。程序中HR000和HR001的作用：當PLC電源斷電時自動記憶步進電機(操作臺)的狀態(tài)。AR1114表征脈沖輸出口0的脈沖輸出是否已完成。在上升或下降過程中不再響應升降控制按鈕，可以響應點動升降按鈕。梯形圖中擴展指令說明如下：(1) PULS設置脈沖指令：圖5(a)中設定為脈沖輸出口0，相對脈沖，脈沖個數(shù)存儲在DM0和DM1中。PLC中DMO設置為2000，DM1中設置為11，則脈沖個數(shù)為112000。驅動器設定為3 2細分，則每轉為32*200=6400個脈沖，每轉位移0.0127"200=2.54 mm，脈沖個數(shù)對應的位移為44.45 m m。另外在PLC初始化設置中將DM6629設置成相對坐標系統(tǒng)。(2)A CC加速度控制指令：用來啟動帶梯形加減、速的脈沖輸出。列位指定符指定為單相脈沖輸出1210帶梯形加速度和減速度；模式指定符指定為獨立模式和增減脈沖輸出模式；加速率、目標頻率、減速率分別存放于DMIO、DM11、DM12中。(3)INI模式控制指令：本程序中用來停止脈沖輸出，也可以用來改變脈沖輸出當前值[6]。 點動控制梯形圖見圖5中(b)，按下點動升降按鈕SB2后(不需長按)，進入點動升降狀態(tài)，點動升降燈H4亮，通過SB1控制點動方向(第一次按下上升，第二次按下下降，均需長按)，點動升降結束后，再次按下SB2，即可退出點動升降狀態(tài)，H4熄滅。程序中SPED指令設置為：不帶加速或減速的單相脈沖數(shù)出口0，連續(xù)模式，脈沖頻率9600 Hz。 圖5 操作臺升降控制程序 2.4功能 將PLC應用于醫(yī)療機器人，可以充分發(fā)揮PLC抗干擾能力強、運行安全可靠等優(yōu)點。配合其它控制系統(tǒng)，進行了現(xiàn)場調試，PLC和其它控制系統(tǒng)[8]均能正常工作，整體運行穩(wěn)定，安全可靠。肝臟腫瘤的微波消融機器人運用的可編程運動控制器比國外的PLC更加穩(wěn)定可靠、功能更加強大、價格更具優(yōu)勢。硬件設計注重其穩(wěn)定可靠性，對抗干擾方面作了很多特殊處理，如采用雙電源模塊供電等；軟件設計注重對其進行二次開發(fā)的方便快捷，用戶只需根據(jù)被控對象的動作編寫相應的客戶程序即可，使得小控制器的通用性非常好。 3康復機器人 3.1外骨骼式康復機器人 腦損傷引起的偏癱等運動功能障礙給患者的家庭和社會帶來了沉重的負擔。正確、科學的康復訓練對肢體運動功能的恢復和提高起到非常重要的作用。神經康復治療過程是一項艱苦的工作，目前主要依靠康復醫(yī)師對患者進行一對一的手工操作和主觀臨床經驗對患肢進行的評估，限制了康復水平的提高．康復醫(yī)學與機器人技術的結合提高了康復訓練的效率并保證了動作訓練的強度，為研究新的康復技術開辟了新的途徑。 1993年加利福尼亞大學的Peter S。Lum研究設計了名為手一物體一手(hand—object—hand)的雙手康復裝置及訓練雙手上舉協(xié)調性的裝置(biman—ualliftingrehabilitator)為患手提供力輔助而訓練上舉協(xié)調性。2000年，Lum與斯坦福大學合作開發(fā)了名為MIME的系列康復機器人[10]，該系列機器人分為3代，第1代只能完成2個自由度的單關節(jié)運動，第2代和第3代在Puma系列機器人的帶動下。分別能夠實現(xiàn)前臂的平面運動和三維空間運動。芝加哥大學研制了一種ARMGuide訓練裝置，通過手動調節(jié)其偏轉和俯仰2個自由度，可使患者固定在夾板上的手臂完成不同直線軌跡的觸點動作訓練，美國麻省理工1995年研制了MIT—MA—NUS上肢康復機器人[11]，該機器人是由五連桿組成的平面兩自由度并聯(lián)機構，患者握住機構末端的手柄完成平面內的運動訓練，通過阻抗控制實現(xiàn)訓練的安全性和平穩(wěn)性。國內，清華大學研制了二連桿機構的復合康復裝置，患者可握住機構末端手柄，由裝置帶動上肢在一定面積的水平面上完成上肢平面復合運動，也可固定在手臂外側完成肩部3個自由度的分別訓練]．由哈爾濱工程大學研制的手臂康復訓練器采用桌式結構，利用單片機的控制帶動受訓者的左右手臂以不同模式進行訓練。從研究現(xiàn)狀看，機器人的輔助治療研究仍然處于初級階段，有待進一步的改進提高，如增加訓練動作的種類，康復訓練過程中對患肢的保護和支撐措施，對患者肢體的主動運動意識的激勵等。 針對現(xiàn)有康復機器人系統(tǒng)所存在的不足，從臨床偏癱患者上肢運動功能受損的實際出發(fā)，提出了一種針對偏癱患者，能夠完成肩、肘、腕部單關節(jié)運動、雙關節(jié)及三關節(jié)復合性運動的5自由度的外骨骼式上肢康復機器人，并在系統(tǒng)中引入表面肌電信號將患者運動意圖與康復訓練相結合。 3.2本身機構 如圖6所示的康復機器人系統(tǒng)應用于中風偏癱患者的上肢康復訓練，該上肢康復機器人采用可外骨骼式的結構，很好地解決了患肢運動過程中的支撐問題，其硬鋁材質的雙邊結構不僅在保持剛性的前提下大大的減輕了機器人本體的質量，并且為監(jiān)測上肢肌肉運動狀態(tài)時的電極放置提供了便利。機器人的設計從解剖學的角度出發(fā)，模仿人體的上肢運動，并支持恢復機體功能的專業(yè)訓練治療及用于日常生活動作的練習。如圖7，機器人具有5個自由度：肩部外展/內收、肩部屈/伸、肘部屈/伸、腕部旋內/旋外和腕部屈/伸。雖然人體肩部具有3個自由度，但為康復機械臂設計的肩部2個自由度可以通過復合運動實現(xiàn)第3個自由度。機器人上臂和前臂部分的長度可調節(jié)功能使該機械臂應用于身高不同的人群，調節(jié)機器人位姿可實現(xiàn)左右手穿戴，因此適用于左、右側偏癱患者。從臨床康復應用的實際出發(fā)，設計了高度可調的機器人支架，調節(jié)其高度可使康復機器人適用于偏癱患者站姿與坐姿狀態(tài)的康復運動訓練[12]。 圖6 上肢康復機器人系統(tǒng) 圖7 上肢康復機器人結構 康復機器人系統(tǒng)對于偏癱患者的訓練運動方式包括主動運動、被動運動和輔助運動。主動運動過程中患者依靠自身肌肉力量實現(xiàn)上肢各關節(jié)運動，機器人在跟隨運動的過程中實現(xiàn)對人體上肢運動參數(shù)的測量。被動運動模式融合了各關節(jié)的單關節(jié)運動和一些簡單的多關節(jié)復合運動，包括簡單的日常生活功能性動作的練習，如進食、提褲等。輔助運動中，通過捕獲肢體的運動意圖，利用機器人實現(xiàn)肢體在意圖方向上的相關運動。在每個關節(jié)選用不同的伺服電機來滿足不同的驅動力要求。肩部和肘部3個松下交流伺服電機產生足夠的力矩來帶動機械臂和人體上肢進行運動。腕關節(jié)由2個maxon直流伺服電機[13]進行驅動，調節(jié)上肢末端的姿態(tài)。光電編碼器讀取裝置的位置信息，力矩傳感器獲取運動過程中的關節(jié)力矩變化。 3.3控制方法和測試方法 傳統(tǒng)的康復機器人訓練治療是通過既定的程序來實現(xiàn)的。該康復機器人在這一功能基礎上，引人表面肌電信號surfaceelectromyogram(sEMG)來實現(xiàn)人機交互，根據(jù)患者意圖實現(xiàn)康復訓練動作。表面肌電信號是了解人體運動、肌肉收縮最直接和重要的信息。偏癱患者多為單側受損，利用健側sEMG驅動康復機器人輔助患者的受損上肢執(zhí)行康復訓練有助于患者保持正確運動的感覺，并激發(fā)患者的運動積極性，同時提供了一個很好的人機交互接口。由于康復機器人尚未真正達到臨床康復應用，且sEMG在傳統(tǒng)的康復機器人中的應用研究少之又少，因此，仍然需要進行大量的和循序漸進的深入研究。首先，從上肢4塊肌肉獲取的sEMG包含大量的數(shù)據(jù)而不便于進行識別康復訓練動作的應用。因此利用sEMG的絕對值積分和AR模型參數(shù)對其進行特征值的提取。并將其特征值作為BPN的輸人。利用這些特征值和與之相對應的康復洲練動作對基于L-M算法的3層前饋神經網絡進行訓練，并將其作為6個上肢運動的分類器。6個動作分別為：肩部外展、肩部前屈、肘部伸展、腕部屈伸、進食和提褲。該文著重研究康復訓練運動的分類，因此各個動作的速度由預先設定值決定。 3.3.1sEMG的采集 sEMG的幅值和頻率受諸多因素的影響，特別是電極的放置位置。經過長期實驗發(fā)現(xiàn)將電極沿著肌肉纖維放置在肌腹處、肌肉收縮時其波幅最高點時，可獲取最大幅值的sEMG[14]信號。由于每個上肢關節(jié)的運動并非由單個肌肉收縮引起，是多個肌肉共同產生收縮引起的，因此綜合識別的上肢各個關節(jié)動作，選定上肢4塊肌肉進sEMG行sEMG的提取，4個電極分別放置于上肢的三角肌前部、三角肌中部、肱二頭肌及肱橈肌。sEMG是肌肉運動在皮膚表面的體現(xiàn)。采用德國OttoBock公司開發(fā)的型號為12E35的表面電極來獲取sEMG信號。該電極具有內置的前處理電路和增益可調電路。由于sEMG的固有頻率為0～500Hz，因此電極的輸出由美國NI公司生產的USB6008采集卡以2000Hz的采樣率進行采集。當肌肉放松時，電極放置于正確的肌肉位置的輸出在0～0.02 V進行波動。但在數(shù)據(jù)采集過程中，運動的采集起始點會受到各種因素的影響。如果將采集起始閾值設置太低，會造成起始點的誤判，如果將起始閾值設置得過高會丟失有用的運動信息，因此選擇一個合適的起始點是非常重要的。由于上肢運動是多個肌肉共同作用的結果，因此當4個通道的sEMG中有2個均大于0.05 V是表明運動開始了。而通過實驗發(fā)現(xiàn)每個單個運動完成的時間大約為l S。因此，考慮到信號分析的便利采樣數(shù)目設置為208，同時對4個通道進行采集，并將采集閾值設置為0.05V． 3.3.2sEMG的特征提取 由電極直接拾取的sEMG信號包含大量數(shù)據(jù)，且具有類似的曲線(如圖8)，因此利用表面肌電信號的絕對值積分和AR參數(shù)模型法提取不同肌肉的不同運動的特征。由于經過電極內置電路進行前處理后的sEMG信號均為正值，表面肌電信號的IAV通過下面公式計算： (1) 式中：是表面肌電信號的第個采樣點。N=2048為采樣點數(shù)。對于每個運動通過該方法提取4個特征值。這些特征將作為神經網絡的輸入對上肢康復訓練運動進行分類，并與由AR模型參數(shù)作為輸人所得到的結果進行比較。 圖8 提褲和進食動作時4塊肌肉的預處理sEMG 為隨機信號建立參數(shù)模型是研究隨機信號的一種基本方法。其含義是認為隨機信號是由白噪聲叫激勵某一確定系統(tǒng)的響應。只要白噪聲的參數(shù)確定了，研究隨機信號就可以轉化為研究產生隨機信號的系統(tǒng)．表面肌電信號是一種典型的隨機信號，因此利用該方法為其建立A R模型，這是一種線性預測。是一種典型的非平穩(wěn)隨機過程。但在短時間內可將其看作平穩(wěn)信號，通過為表面肌電信號建立參數(shù)模型的方法可以大大減少實驗數(shù)據(jù)，并使信號的特征更加確切。A R模型的階數(shù)是正確描述sEMG信號的一個重要因素。根據(jù)前人的研究，為表面肌電信號建立一個四階模型是比較有效的。由AR模型對sEMG信號進行描述的表達式為 （2） 式中：為sEMG信號，叫為白噪聲，p為AR模型的階數(shù)，為AR模型的參數(shù)。由于該模型階數(shù)為4，那么每個通道的sEMG信號通過分析將獲得4個特征值(~)。從1～2048。每個動作中均使用4個電極采集sEMG信號。 3.3.3康復運動的識別 利用具有自學習功能的人工神經網絡實現(xiàn)人機交互，通過計算得到的sEMG的特征值進行康復訓練運動的識別。目前大約的人工神經網絡均采用由Rumelhart等人于1986年提出的誤差反向傳播網絡模型或其變化形式。從結構上講，BP網絡是一種分層型網絡，由輸入層、隱層和輸出層組成。層與層之間采用全互連方式，同一層的單元之間則不存在相互連接．隱層可有1個或多個。輸入和輸出神經元的個數(shù)由輸入輸出信號的數(shù)目決定。當利用sEMG的IAV值作為網絡的輸入時，BP神經網絡結構為包含10個神經元的單隱層，輸入層為4個神經元，輸出層為6個神經元，即6個康復訓練動作。當選擇4塊肌肉表面肌電信號的AR模型參數(shù)作為網絡的輸入值時，神經網絡結構為包含22個神經元的單隱層，輸入層為16個神經元[16]，輸出層為6個神經元．圖9為3層前饋神經網絡的結構。常用的反向傳播算法是梯度下降法，參數(shù)沿著誤差梯度相反的方向移動，使誤差函數(shù)減小，直到取得極小值．這種基于梯度下降方法的固有缺點是 圖9 三層前饋網絡結構 收斂速度慢，易陷入局部極小和易引起震蕩。文中采用修正的高斯一牛頓法，它不僅具有梯度法的全局特性又具有高斯一牛頓法的局部收斂特性。由于利用了目標函數(shù)的二階導數(shù)信息，L-M算法[17]比梯度法快得多。為使神經網絡在實際應用中解決問題，首先對其進行訓練就是從應用環(huán)境中選出n組樣本數(shù)據(jù)對 對網絡的權值(w)進行調節(jié)直到得到合適的輸入輸出關系為止。下面對L-M算法作簡要說明。 假設 網絡權值與閾值的變化可以看成Ax，對于牛頓法則： （3） 式中：V(x)表示誤差指標函數(shù)，是V(x)的Hessia n矩陣，V(x)表示梯度，表示第M層的神經元個數(shù)(這里M=1，2，3)。 （4） 且 （5） 式中：為 雅可比矩 陣，為誤差函數(shù) （6） 因此聯(lián)立式(3)～(7)，對于高斯一牛頓法則有 （7） L-M算法為改進的高斯一牛頓算法，因此 （8） 式中：為大于0的常數(shù)，為單位矩陣。從上式中可看出當足夠大時，L-M算法近似于梯度下降法，若為0，則是高斯牛頓法。由于利用二階導數(shù)信息，L-M算法比梯度法快得多，而且是正定的，所以式(8)的解總是存在的。從這個意義上說L-M算法優(yōu)于高斯一牛頓法。算法的每次迭代都對進行自適應調整，對給定的能使誤差函數(shù)降低，則被因子除，逐漸減小，可以快速收斂到解；當誤差函數(shù)增大時，乘以因子，逐漸增大，權值調整類似于梯度下降法，可以進行全局搜索，所以L-M算法同時具備了2種方法的優(yōu)點，但如果網絡中權值的數(shù)目很大，則計算量和存儲量都非常大。 3.4測試 根據(jù)神經康復學理論，實驗中選取6個上肢運動，如圖10所示。包括肩部外展、肩部前屈、肘部伸展、腕部屈伸4個單關節(jié)的運動，及日常生活活動涉及的進食和提褲2個多關節(jié)復合運動。 圖10 6種上肢康復訓練動作 對于選定的4塊上肢肌肉采集的表面肌電信號，利用I AV和AR參數(shù)模型的方法對其進行分析并將一部分數(shù)據(jù)送入B P神經網絡訓練其識別康復訓練運動的識別能力。所有試驗均在常溫常壓及受試者的正常狀態(tài)下進行。為了滿足試驗的需要，受試者在非疲勞狀態(tài)下對每個動作進行了6 0組數(shù)據(jù)的采集，其中3 0組用于訓練神經網絡，其他3 0組作為對該網絡的檢驗。實驗中將6個動作的識別結果描述為簡單的布爾值1或0，如表1所示．B P網絡具有6個輸出值，當每個值大于0.9時，將這個輸出設定為l，當該值小于0.1時，將此輸出設定為0。分別將IAV作為網絡輸入和AR模型參數(shù)作為網絡輸入，以比較2種不同輸入下的試驗結果。 表1 6種上肢動作的識別碼 6種上肢動作動識別實驗結果如表2，2種輸入的網絡訓練收斂曲線如圖11。從結果可以看出識別方法和算法均獲得較好結果。二者比較，雖然IAV方法收斂速度優(yōu)于AR模型方法，但后者具有較高的識別精度，即sEMG的AR模型壓縮數(shù)據(jù)和提取特征更為有效。 表2 6種上肢動作動識別結果 圖11 2種輸入的網絡訓練收斂圖 參考文獻： [1]施慶平．PLC在機器人噴涂生產線控制中的應用[J ]．微計算機信息．2006,22(6-l）:7 2-73,258 [2]劉晉浩，王寶昌，薛荊巖．PLC在草方格鋪設機器人控制系統(tǒng)中的應用[J]．森林工程. 2006,22(6):12-14 [3]歐姆龍公司．CPM系列可編程序控制器編程手冊[Z].2003.12 [4]歐姆龍公司．SYSMAC CPM2A/CPM2AH可編程序控制器操作手冊[Z].2003.11 [5]陳薇，吳剛．非線性雙容水箱建模與預測控制[J]．系統(tǒng)仿真學報, 2006(8)：2078~2085 [6]黃慎之，顧訓，胡賽．一種用于實驗室的液位過程控制系統(tǒng)[J]．上海大學學報(自然科學版), 2001,7(5)：412-415 [7]何離慶．三容液位對象狀態(tài)空間控制系統(tǒng)[J]．實驗技術與管理,1994,11(4):22-27。 [8]王樹青，戴連奎等.工業(yè)過程控工程[M].化學工業(yè)出版社,2002 [9]王孝武．現(xiàn)代控制理論基礎[M]．機械工業(yè)出版社,2006。 [10]LUM P S, REINKENSMEYER D J, LEHMAN S L．Robotic assist devices for bimanual physical therapy：preliminary experiments[J]．IEEE Transactions on Neura1 Systems and Rehab-i 1itation, 1993, 1(3)：185—191． [11]LUM P S, LEHMAN S L．The bimanua1 lifting rehabilitator：an adaptive machine for therapy of stroke patients[J]．IEEE Transactions on Rehabi1itation Engineering, 1995(2)：166—17 4． [12]BURGAR C G, LUM P S, SHOR P C, et a1．Development of robots for rehabilitation therapy：the palo alto VA/Stanford experience[J]．Journal of Rehabi1itation Research and Development, 20 00(37)：663—673． [13]KAHN L E, ZYGMAN M I, RYMER W Z, et a1．Effect of robot-assisted and unassisted exer- ciseonfunctiona1 reaching in chronic hemiaresis[A]．Proceedings 23rd Annual IEEE Engineering in Medicine and Biology Conference[C]．Istanbul, Turkey, 2001． [14]KREBS H I, VOIPE B T, AISEN M I, et a1．Increasing productivity and quality of care：robo- t-aided neuro-reha-bilitation [J]．Journal of Rehabi1itation Research and Development, 2000(37)：639—652． [15]胡宇川，季林紅．一種偏癱上肢復合運動的康復訓練機器人[J]．機械設計與制造, 2004(6)：47—49． [16]Z HANG X F, JI L H, GUO L Y．A novel robot neuro- Rehabi1itation for upper limb motio- n[A]．Proceeding of the IEEE 27th EMBC[C]．Shanghai, China, 2005． [17]楊勇，張立勛，譚愛華，等．由單片機實現(xiàn)的多功能手臂康復訓練器[J]．自動化技術與應用, 2004, 23(2)：55—57． [18]DE LUCA C J．The use of surface electromyography in biomechanics [J]．Journal of Applied Biomechanics, 1997(13)：135—163． [19]DOERSHUK P C, GUSTAFSON D E, WILLSKY A S. Upper extremity limb function recognition using EMG signal analysis[J]．IEEE Transaction on Biomechanics, 1983(30)：18—2 9． [20]李士勇．模糊控制. 神經控制和智能控制論[M]．哈爾濱：哈爾濱工業(yè)大學出版社, 1998． [21]HAG AN M T, MENHAJ M B．Training feed forward networks with the Marquardt algorit- hm[J]．IEEE Transactions on Neural Net, 1994(5)：989—993．